Apa yang Bisa Dipelajari Calon AI Generatif dari Uji Coba dan Kesalahan Komputasi Awan

AI Generatif (GenAI) akan terus hadir, dan berbagai organisasi di seluruh dunia menikmati kemampuan teknologinya. 72% dari organisasi Laporan saat ini menggunakan GenAI secara ekstensif atau terbatas, dan 26% lainnya sedang bereksperimen dengan teknologi tersebut. Namun, tahap baru adopsi GenAI ini masih dalam tahap awal.

Menurut McKinseyHanya 1% eksekutif perusahaan yang menggambarkan peluncuran GenAI mereka sebagai "matang", yang berarti teknologi tersebut terintegrasi sepenuhnya ke dalam alur kerja dan mendorong hasil bisnis yang substansial. Menutup kesenjangan kematangan ini membutuhkan koreksi arah yang berkelanjutan, yang sering kali berujung pada hambatan penerapan, seperti biaya yang signifikan, ketidakpercayaan terhadap teknologi yang belum terbukti, dan risiko regulasi. Jika tantangan-tantangan ini terdengar familier, memang seharusnya begitu – ketika tim TI pertama kali merangkul cloud sebagai hal besar berikutnya, banyak hambatan yang sama muncul.

Kedua gelombang antusiasme teknologi baru ini memang berbeda dalam beberapa hal. Meskipun komputasi awan diimplementasikan pada sistem yang lebih penting sejak awal, GenAI diadopsi lebih cepat dalam tahap uji coba dan untuk kasus penggunaan yang terutama ditujukan untuk peningkatan efisiensi dan produktivitas. Namun, kurva pembelajarannya serupa: keduanya mendorong organisasi untuk berpikir dan bekerja secara berbeda.

Dengan merefleksikan pengalaman para pendahulu mereka di bidang komputasi awan, para calon GenAI masa kini dapat memposisikan diri mereka untuk masa depan yang lebih terinformasi.

Mengelola Biaya, Risiko, dan Perubahan: Belajar dari Kesalahan Cloud

Kembali ke masa ketika teknologi cloud mulai populer, banyak organisasi meremehkan kompleksitas migrasi dan melebih-lebihkan penghematan biaya jangka pendek. Akibatnya, sebagian besar organisasi tersebut menjadi korban tiga jebakan utama: manajemen biaya yang buruk, kesalahan konfigurasi keamanan, dan resistensi alami yang muncul seiring perubahan budaya dan organisasi.

Era cloud mengajarkan kita bahwa sekadar "mengangkat dan memindahkan" beban kerja—memindahkannya ke cloud tanpa modernisasi—sering kali gagal memberikan nilai. Demikian pula, inisiatif GenAI seringkali terhenti ketika organisasi mencoba memasukkan data lama, tidak terstruktur, atau kurang terdokumentasi ke dalam model baru yang canggih tanpa memperbarui fondasi data. Faktanya, proyek GenAI dapat memberikan hasil yang kurang memuaskan atau bahkan memperkuat inefisiensi yang sudah ada. Pelajarannya: teknologi saja tidak dapat mengatasi kelemahan fundamental.

Sebagaimana teknologi cloud mengungkap kesenjangan dalam tata kelola, keterampilan, dan strategi jangka panjang, demikian pula GenAI. Jika karyawan mengadopsi perangkat GenAI tanpa pengawasan atau menggunakan teknologi di luar batasan kebijakan penggunaan yang dapat diterima, risiko TI bayangan dapat muncul kembali, seiring dengan kesulitan dalam mengamankan alur kerja GenAI dan memastikan kepatuhan dalam skala besar. Persamaan ini akan terus muncul seiring GenAI beralih dari eksperimen ke integrasi perusahaan yang luas, yang membutuhkan kerangka kerja keamanan siber, rencana respons insiden, dan struktur tata kelola yang sama kuatnya dengan yang ditemukan di cloud.

Selain manajemen risiko, pemborosan biaya yang tidak terkelola merupakan masalah yang sudah lama ada di dunia teknologi. Cloud pun tak terkecuali, dan seiring bisnis terus mengintegrasikan GenAI ke dalam alur kerja mereka, mereka menghadapi peningkatan biaya yang serupa.

Semakin banyak organisasi yang berupaya meningkatkan strategi manajemen biaya mereka beralih ke FinOps sebagai solusi. Dengan memanfaatkan wawasan berbasis data yang tepat waktu untuk membantu meningkatkan peramalan dan mendorong akuntabilitas serta kolaborasi lintas fungsi, infrastruktur FinOps yang komprehensif telah terbukti sangat berharga dalam mengekang pengeluaran berlebih dan memaksimalkan nilai bisnis. Prinsip-prinsip FinOps tidak terbatas pada manajemen biaya cloud saja, tetapi juga menawarkan opsi yang layak untuk pengeluaran GenAI.

Menerapkan Pelajaran Cloud ke dalam Praktik GenAI

Di akhir tahun ini, Gartner memprediksi setidaknya 30% proyek GenAI akan ditinggalkan setelah pembuktian konsep. Ketika ekspektasi melampaui kenyataan, pola tersembunyi di balik kegagalan proyek GenAI – seperti data yang tidak dipersiapkan, kepemilikan bisnis yang tidak jelas, atau kompleksitas yang tidak perlu – seringkali luput dari perhatian dalam upaya adopsi teknologi baru. Mengenali dan menangani sinyal-sinyal ini sejak dini dapat menjadi pembeda antara keberhasilan GenAI dan proyek lain yang ditinggalkan. Para pemimpin yang secara aktif memperhatikan tanda-tanda peringatan ini, alih-alih mengambil jalan pintas, mempersiapkan tim mereka untuk kesuksesan jangka panjang.

Setelah adopsi disetujui, perusahaan sebaiknya berfokus pada proyek percontohan GenAI berskala kecil untuk menguji dan memastikan nilai di dunia nyata, alih-alih langsung menerapkannya di seluruh perusahaan. Sangat penting bagi perusahaan untuk memulai hanya dengan beberapa kasus penggunaan yang terdefinisi dengan jelas dan berdampak tinggi, serta tujuan ROI yang jelas dan dipetakan kembali ke kebutuhan bisnis nyata.

Hal ini memastikan keberhasilan awal, membangun kepercayaan internal, dan menghindari pemborosan waktu dan sumber daya untuk eksperimen generik. Dengan mengaitkan adopsi GenAI pada hasil nyata – seperti mengotomatiskan ringkasan dukungan pelanggan atau mempercepat peninjauan kode – organisasi dapat menunjukkan nilai dengan cepat, menyempurnakan pendekatan mereka, dan meningkatkan skala secara lebih strategis. Hal ini juga membantu menyelaraskan upaya teknis dengan tujuan bisnis, yang saat ini menjadi kekurangan banyak pilot GenAI.

Dari sana, membangun sistem pengawasan dan keseimbangan yang kuat, pemantauan berkelanjutan, dan kebijakan tata kelola yang jelas merupakan langkah penting berikutnya untuk penggunaan dan kepatuhan yang bertanggung jawab. Melibatkan pakar eksternal dapat menjadi langkah awal yang baik dalam menavigasi lanskap regulasi yang kompleks dan terus berkembang saat ini. Dengan berinvestasi pada perangkat dan infrastruktur yang tepat di awal proses implementasi GenAI, beserta pelatihan berkelanjutan, organisasi dapat membangun fondasi bagi kesuksesan yang berkelanjutan.

Mencapai Keseimbangan yang Tepat dengan Inovasi GenAI

Dengan menerapkan pelajaran era cloud secara disiplin dan berwawasan ke depan, organisasi dapat menghindari kesalahan langkah yang merugikan dan membuka potensi penuh GenAI – secara aman, berkelanjutan, dan dalam skala besar.

GenAI diperkirakan akan tetap menjadi kekuatan yang kuat, dengan 70% CEO CEO melaporkan bahwa mereka memperkirakan teknologi ini akan memengaruhi model bisnis mereka selama tiga tahun ke depan. Angka ini meningkat menjadi 89% di antara mereka yang sudah menggunakan teknologi ini. Jelas, potensi transformatif GenAI terbukti berharga bagi para pengambil keputusan eksekutif, tetapi dampak berkelanjutan dan berskala besar masih bergantung pada penanganan hambatan kepercayaan, tata kelola, dan integrasi.